CN117081894B - 一种利用信道稀疏特性的水声信号检测方法及系统 - Google Patents
一种利用信道稀疏特性的水声信号检测方法及系统 Download PDFInfo
- Publication number
- CN117081894B CN117081894B CN202310872886.8A CN202310872886A CN117081894B CN 117081894 B CN117081894 B CN 117081894B CN 202310872886 A CN202310872886 A CN 202310872886A CN 117081894 B CN117081894 B CN 117081894B
- Authority
- CN
- China
- Prior art keywords
- result
- signal
- false alarm
- cluster
- noise
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 51
- 230000005236 sound signal Effects 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 56
- 238000001914 filtration Methods 0.000 claims abstract description 53
- 230000001629 suppression Effects 0.000 claims abstract description 45
- 238000009825 accumulation Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims description 5
- 238000012804 iterative process Methods 0.000 claims description 3
- 230000021615 conjugation Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 description 12
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241000525154 Micrathena beta Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B11/00—Transmission systems employing sonic, ultrasonic or infrasonic waves
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
- H04B13/02—Transmission systems in which the medium consists of the earth or a large mass of water thereon, e.g. earth telegraphy
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种利用信道稀疏特性的水声信号检测方法及系统,所述方法包括:构建用于信号检测的匹配滤波结果;对匹配滤波结果进行虚警抑制;利用上一步得到的结果进行簇检测,对信号进行滑动窗口累加,识别出信号中的簇结构,并进行信号检测。本发明的优势在于:本发明提出的信号检测方法利用信道多途特性,能够有效识别出信道的簇,无需进行精确信道估计,从而具有较强鲁棒性。
Description
技术领域
本发明属于水声信号处理技术领域,具体涉及一种利用信道稀疏特性的水声信号检测方法及系统。
背景技术
声波是水下无线通信的重要载体,水声信道特性复杂多变,具有强多途、强噪声、大多普勒频移,明显的空间和时间起伏等特点,给水声信号检测带来了非常大的困难和挑战。声波在海水中通过多途径传播,不同的多途信号在不同时刻到达接收端,会导致接收信号的能量弥散与自我干扰,导致信号相关性下降。在此条件下,传统的匹配滤波信号检测器的性能大幅下降。
现有一些研究方法已经被提出利用了信道的多途特性,目前已有的基于信道特性的检测方法是信道匹配技术,核心思想是在匹配滤波的基础上,将信道传递函数的共轭作为滤波器的响应函数,对信号进行进一步匹配滤波处理,从而将匹配滤波器修正为理论最优滤波器,聚焦目标回波的多途能量,能补偿多途扩展造成的峰值信噪比损失。但是其计算量过大,并且在低信噪比的情况下无法对信道进行有效的估计,从而导致性能严重下降。
发明内容
本发明的目的在于克服现有技术计算量过大,并且在低信噪比的情况下无法对信道进行有效的估计,从而导致性能严重下降的缺陷。
为了实现上述目的,本发明提出了一种利用信道稀疏特性的水声信号检测方法,所述方法包括:
步骤1:构建用于信号检测的匹配滤波结果;
步骤2:对匹配滤波结果进行虚警抑制;
步骤3:利用步骤2得到的结果进行簇检测,对信号进行滑动窗口累加,识别出信号中的簇结构,并进行信号检测。
作为上述方法的一种改进,所述步骤1具体包括:
步骤1-1:对本地信号x(t)和接收信号y(t)进行频域匹配滤波,t表示时域;
步骤1-2:得到归一化的匹配滤波结果cMF[p],p表示采样离散序列。
作为上述方法的一种改进,所述步骤1-1具体包括:
首先对本地信号x(t)做傅里叶变换,将本地信号转换到频域信号X(jω):
其中,ω表示信号频率,j表示复数符号;
再对接收信号y(t)做傅里叶变换得到频域信号Y(jω):
在频域进行匹配滤波处理得到频域的滤波结果C(jω):
C(jω)=Y(jω)·X*(jω)
其中,*表示信号的共轭;
对频域的滤波结果进行反傅里叶变换处理得到匹配滤波的时域结果c(t):
作为上述方法的一种改进,所述步骤1-2具体包括:
根据以下公式得到归一化的匹配滤波结果cMF[p]:
其中,c[p]表示c(t)的离散采样值;p表示采样离散序列;E()表示信号的能量;abs()表示取绝对值。
作为上述方法的一种改进,所述步骤2具体包括:
利用步骤1得到的归一化匹配滤波器的结果,减去虚警抑制量:
L(cMF[p])=cMF[p]-b
其中,L(cMF[p])表示匹配滤波结果进行虚警抑制后得到的结果;b表示虚警抑制量;使用虚警抑制量b对归一化的结果进行偏移。
作为上述方法的一种改进,选取b的方式采用遗忘因子算法,公式如下:
b=(1-λ)b+λa
其中,λ表示遗忘因子;a表示新息数据,由噪声与本地信号的匹配滤波结果确定。
作为上述方法的一种改进,确定a的方式具体包括:
实时选取长度为M的匹配滤波器输出数据V1,V2,V3,...,VM作为辅助数据,其中M的范围为1s至2s信号的长度,将数据按照幅值进行降序可以得到:V(1),V(2),V(3),...,V(M),将降序后序号为M*β的数据作为新息数据a;其中β为噪声抑制率,根据虚警限制在10%~20%间选取。
作为上述方法的一种改进,所述步骤3具体包括:
步骤3-1:选择滑动窗口长度;
步骤3-2:进行滑动窗口内信号的累加;
步骤3-3:确定低门限的值;
步骤3-4:对滑动窗口内信号进行迭代计算,并在迭代过程中进行簇识别;
步骤3-5:所有的滑动窗口迭代结束后,将所有检测到的簇内似然值进行累加;将累加结果与设定阈值进行比较,大于设定阈值则视为检测到信号,小于阈值则视为未检测到信号。
作为上述方法的一种改进,所述步骤3-1具体包括:
目标多途信道的最大可能时延差为:
其中,rmax表示声纳探测范围内的最大传播距离;表示一个简正波群速度的最大值;/>表示一个简正波群速度的最小值;
用该时延差下信号的长度作为滑动窗口长度。
作为上述方法的一种改进,所述步骤3-2具体包括:
进行滑动窗口内信号的累加,累加的过程由以下公式得到:
其中,和/>分别表示累加和判决过程的两个门限,高门限/>用来限制累加和的最大值,低门限/>则用于簇起始和终止位置的识别;累加结果T[n]的初始值T[0]为0,在每个时间窗进行累加时重新置为0。
作为上述方法的一种改进,所述步骤3-3具体包括:
低门限的获取方式具体包括:
首先对本地信号x(t)做傅里叶变换,将本地信号转换到频域信号X(jω):
其中,ω为信号频率,j为复数符号;
再对噪声信号xnoise(t)做傅里叶变换得到频域信号Xnoise(jω):
在频域进行匹配滤波处理得到频域的滤波结果Cnoise(jω):
Cnoise(jω)=Xnoise(jω)·X*(jω)
其中,*为信号的共轭;对结果进行反傅里叶变换处理得到匹配滤波的时域结果cnoise(t):
得到减去虚警抑制量的结果:
L(cnoise[p])=cnoise[p]-b
其中,L(cnoise[p])表示匹配滤波结果进行虚警抑制后得到的结果;cnoise[p]表示cnoise(t)的离散采样值;b表示虚警抑制量;
进行滑动窗口内信号的累加获得相应的累加结果,记录本次测试中最大值;由多次蒙特卡洛仿真获得多次测试结果,从大到小排列获得一个序列,再由虚警率乘以蒙特卡洛仿真的次数,获得序列中该虚警率确定的低门限的相应位置,相应位置对应的值就是该虚警率确定的低门限的值。
作为上述方法的一种改进,所述步骤3-4具体包括:
迭代过程中进行簇识别,识别关系为:
条件A:且/>
条件B:且/>
其中,c表示簇索引,c∈[1,Nc];Nc表示簇个数;
在T[n]满足条件A时,记录簇的起始位置继续迭代;在T[n]满足条件B时,记录簇结束位置/>更新簇的索引,继续迭代。
作为上述方法的一种改进,所述步骤3-5具体包括:
对所有的滑动窗口迭代结束后,输出各簇的起始和终止位置参数
将所有检测到的簇内似然值进行累加,获得总检验统计量Γth,累加公式为:
将得到的Γth与设定阈值进行比较,大于设定阈值/>则视为检测到信号,小于设定阈值/>则视为未检测到信号。
本发明还提供一种利用信道稀疏特性的水声信号检测系统,基于上述方法实现,所述系统包括:
构建匹配滤波结果模块,用于构建用于信号检测的匹配滤波结果;
虚警抑制模块,用于对匹配滤波结果进行虚警抑制;和
信号检测模块,用于利用虚警抑制模块得到的结果进行簇检测,对信号进行滑动窗口累加,识别出信号中的簇结构,并进行信号检测。
与现有技术相比,本发明的优势在于:
本发明提出的信号检测方法利用信道多途特性,能够有效识别出信道的簇,无需进行精确信道估计,从而具有较强鲁棒性。
附图说明
图1所示为利用信道稀疏特性的水声信号检测方法流程图;
图2所示为信噪比为-18dB时的接收机工作特性曲线图;
图3所示为检测概率-信噪比的仿真性能对比图。
具体实施方式
下面结合附图对本发明的技术方案进行详细的说明。
本发明提出一种利用信道稀疏特性的水声信号检测方法及系统,利用信道的簇区域分布和多途稀疏特性,采用簇累积的方法汇聚能量,进行水声信号检测。水声多途信道的冲激响应通常呈现簇状稀疏特性,即大部分信道冲激响应为零或近似于零,信道能量主要集中在稀疏的非均匀分布的簇状结构内。如果能够有效检测并利用水声信道簇状稀疏特性,从而汇聚多途能量则可进一步提高水声信号的检测性能。
本发明的水声信号检测方法利用水声信道多途的成簇特性,对匹配滤波后的结果进行簇检测与簇累积,实现多路径水声信号能量的累加,提高信号检测能力,相比传统匹配滤波方法与信道匹配方法,该方法在低信噪比下具有更强的信号检测能力。
本发明提出的一种利用信道稀疏特性的水声信号检测方法,通过利用水声信道呈现的稀疏簇状结构特点,首先对匹配滤波的结果进行处理,减去虚警抑制量,再进行累加并实现簇检测,最后将多个簇的能量进行累积,提高检测能力。
如图1所示,本发明一种利用信道稀疏特性的水声信号检测方法,具体包括:
步骤1,构建用于信号检测的匹配滤波结果。
步骤1.1,对本地信号x(t)和接收信号y(t)进行频域匹配滤波,具体地:
首先对本地信号x(t)做傅里叶变换,将本地信号转换到频域信号X(jω):
其中,ω为信号频率,j为复数符号。再对接收信号y(t)做傅里叶变换得到频域信号Y(jω):
在频域进行匹配滤波处理得到频域的滤波结果C(jω):
C(jω)=Y(jω)·X*(jω) (3)
其中,*为信号的共轭。对结果进行反傅里叶变换处理得到匹配滤波的时域结果c(t):
步骤1.2,根据以下公式得到归一化滤波器的输出cMF[n]为:
其中,c[n]为式(5)中c(t)的离散采样值,n代表采样离散序列,E()表示信号的能量,abs()表示取绝对值。
步骤2,利用步骤1得到的归一化匹配滤波器的结果,减去虚警抑制量。具体地:
L(cMF[n])=cMF[n]-b (6)
其中,L(cMF[n])表示匹配滤波结果进行虚警抑制后得到的结果,b是虚警抑制量。为了避免噪声的累加造成虚警,使用虚警抑制量b对归一化的结果进行偏移。选取b的方式采用遗忘因子算法,公式如下:
b=(1-λ)b+λa (7)
其中,λ表示遗忘因子,根据环境进行选择,范围为0.01至0.10,a表示新息数据,由噪声与本地信号的匹配滤波结果确定。确定a的方式具体地:
实时选取长度为M的匹配滤波器输出数据V1,V2,V3,…,VM作为辅助数据,其中M的范围为1s至2s信号的长度,将数据按照幅值进行降序可以得到:V(1),V(2),V(3),...,V(M),将降序后序号为(M*β)的数据作为新息数据a,其中β为噪声抑制率,可根据虚警限制在10%~20%间选取,将a带入公式(7)即可得到虚警抑制量b。
步骤3,利用步骤2得到的结果进行簇检测,对信号进行滑动窗口累加,识别出信号中的簇结构,并进行信号检测。具体地:
步骤3.1,在实际应用中,应选择合适的滑动窗口进行簇累积。滑动窗口的长度根据信道的时间扩展来选择,信道的时间扩展主要由脉冲传播群速度差异引起,所以目标多途信道的最大可能时延差为:
rmax为声纳探测范围内的最大传播距离,为第m号简正波群速度的最大值,/>为第m号简正波群速度的最小值。如声场环境未知,可选取1.5秒信号的长度作为滑动窗口长度。如声场环境已知,则由当前声场环境根据(8)式估计出时延差Δτ,再用该时延差下信号的长度作为滑动窗口长度。
步骤3.2,进行滑动窗口内信号的累加,累加的过程由以下公式得到:
和/>分别为累加和判决过程的两个门限,其中高门限/>用来限制累加和的最大值,确保簇检测器在簇结束时迅速做出反应,低门限/>则用于簇起始和终止位置的识别。T初始值T[0]为0,在每个时间窗进行累加时需要重新置0。
步骤3.3,在水声应用中,需要在实际工程中对偏差和门限进行细调,以便在低误判概率和高检测概率之间取得折中。低门限由环境噪声代入算法中,获得相应虚警概率下的值,高门限则由经验获得,在低门限的基础上适当增加一定的数值。低门限的获取方式具体地:
将噪声信号xnoise(t)代入y(t)中,与本地信号x(t)采用公式1、2、3、4,获得匹配滤波结果cnoise(t),再经过步骤2得到减去虚警抑制量的结果,最后由步骤3.2获得相应的累加结果,将这一次测试中最大值记录下。由多次蒙特卡洛仿真获得大量的结果,从大到小排列获得一个序列,再由确定的虚警率乘上蒙特卡洛仿真的次数,获得序列中该虚警率确定的低门限的相应位置,相应位置对应的值就是该虚警率确定的低门限的值。
步骤3.4,由式(9)中的迭代关系对每个n对应的T[n]进行迭代计算,并在迭代过程中进行簇识别,识别关系为:
步骤3.5,在T[n]满足式(10)中的条件A时,记录簇的起始位置并由公式(9)将迭代继续进行。
步骤3.6,在T[n]满足式(10)中的条件B时,记录簇结束位置更新簇的索引,并由公式(9)将迭代继续进行。
步骤3.7,对所有的n迭代结束后,能够输出各簇的起始和终止位置参数c∈[1,Nc],其中c为簇索引,Nc为簇个数。将所有检测到的簇内似然值由以下公式进行累加,获得总检验统计量Γth:
将得到的Γth与阈值进行比较,大于阈值/>则视为检测到信号,小于阈值则视为未检测到信号,/>的选取,根据采样率和信号长度,选取范围为50至150。
图2为信噪比-18dB时,分别采用本发明所提方法,传统匹配滤波方法、传统信道匹配方法所得到的接收机工作特性曲线,可以看出本发明所提方法在检测率上具有较为明显的性能优势,且在低虚警率的情况下,优势更为明显。图3为不同信噪比下的检测概率曲线,从图中可以看出本发明在低信噪比下仍保持较高检测概率。
以下结合实例的具体实施方式,对本发明的上述内容再做进一步详细说明但不应将此理解为本发明上述主题的范围仅限于以下实例。在不脱离本发明上述思想的情况下,根据本领域普通技术知识和惯用手段做出的各种替换或者变更,均应包括在本发明内。
本实施例采用一个典型的具有簇状稀疏特性的多途信道,通过仿真验证说明本发明的有效性。具体包括:
步骤1,对真实的海试试验数据进行预处理,对信道估计结果提取簇结构,作为仿真实验所用信道。利用所得信道,对水声信号检测过程进行仿真,根据接收信号和拷贝信号进行匹配滤波处理。具体地,在接收端,利用接收信号y1(t)和本地信号x1(t),由公式(1)、(2)、(3)、(4)、(5)获得归一化的匹配滤波结果为:[0.0351,0.0242,0.0332,0.0243,0.1220,0.1834,0.1565,0.0143,0.0235,0.0142,0.0165,0.0235,0.0496,0.1235,0.1965,0.0345,0.0235,0.0198,0.0298,0.0433]。
步骤2,虚警抑制量b由公式(7)经过多轮迭代后得b=0.0883,随后,利用步骤1得到的匹配滤波的结果,由公式(6)将匹配滤波的结果减去虚警抑制量后得:[-0.0532,-0.0641,-0.0551,-0.0640,0.0336,0.0950,0.0681,-0.0740,-0.0648,-0.0741,-0.0718,-0.0648,-0.0387,0.0351,0.1081,-0.0538,-0.0648,-0.0685,-0.0585,-0.0450]。
步骤3,识别出信号中的簇结构,并进行信号检测。
3.1,将减去虚警抑制量的结果由公式(9)进行累加,获得结果为:[0,0,0,0,0.0336,0.1287,0.1968,0.1228,0.0580,0,0,0,0,0.0351,0.1433,0.0894,0.0246,0,0]。
3.2,由公式(10)对步骤3.1得到的结果进行簇的识别,低门限由虚警率设置为0.1%时取得,则当步骤3.1得到的累加量大于低门限时,视为识别出一个簇。之后的累加量小于低门限/>时,视为一个簇检测的结束。由此识别出信号第一簇为:[0.1287,0.1968,0.1228],第二簇为:[0.1433]。
3.3,由公式(11)对步骤3.2中得到的多个簇进行累加获得总检验统计量Γth为0.7392,将总检验统计量Γth与阈值进行比较,获得检测结果。阈值/>取值为0.6227,则接收到的总检验统计量Γth大于阈值/>视为检测到信号。
本发明还提供一种利用信道稀疏特性的水声信号检测系统,基于上述方法实现,所述系统包括:
构建匹配滤波结果模块,用于构建用于信号检测的匹配滤波结果;
虚警抑制模块,用于对匹配滤波结果进行虚警抑制;和
信号检测模块,用于利用虚警抑制模块得到的结果进行簇检测,对信号进行滑动窗口累加,识别出信号中的簇结构,并进行信号检测。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (11)
1.一种利用信道稀疏特性的水声信号检测方法,所述方法包括:
步骤1:构建用于信号检测的匹配滤波结果;
步骤2:对匹配滤波结果进行虚警抑制;
步骤3:利用步骤2得到的结果进行簇检测,对信号进行滑动窗口累加,识别出信号中的簇结构,并进行信号检测;
所述步骤2具体包括:
利用步骤1得到的归一化匹配滤波器的结果,减去虚警抑制量:
L(cMF[p])=cMF[p]-b
其中,cMF[p]表示归一化匹配滤波器的结果;p表示采样离散序列;L(cMF[p])表示匹配滤波结果进行虚警抑制后得到的结果;b表示虚警抑制量;使用虚警抑制量b对归一化的结果进行偏移;
选取b的方式采用遗忘因子算法,公式如下:
b=(1-λ)b+λa
其中,λ表示遗忘因子;a表示新息数据,由噪声与本地信号的匹配滤波结果确定;
确定a的方式具体包括:
实时选取长度为M的匹配滤波器输出数据V1,V2,V3,…,VM作为辅助数据,其中M的范围为1s至2s信号的长度,将数据按照幅值进行降序可以得到:V(1),V(2),V(3),...,V(M),将降序后序号为M*β的数据作为新息数据a;其中β为噪声抑制率,根据虚警限制在10%~20%间选取。
2.根据权利要求1所述的利用信道稀疏特性的水声信号检测方法,其特征在于,所述步骤1具体包括:
步骤1-1:对本地信号x(t)和接收信号y(t)进行频域匹配滤波,t表示时域;
步骤1-2:得到归一化的匹配滤波结果cMF[p],p表示采样离散序列。
3.根据权利要求2所述的利用信道稀疏特性的水声信号检测方法,其特征在于,所述步骤1-1具体包括:
首先对本地信号x(t)做傅里叶变换,将本地信号转换到频域信号X(jω):
其中,ω表示信号频率,j表示复数符号;
再对接收信号y(t)做傅里叶变换得到频域信号Y(jω):
在频域进行匹配滤波处理得到频域的滤波结果C(jω):
C(jω)=Y(jω)·X*(jω)
其中,*表示信号的共轭;
对频域的滤波结果进行反傅里叶变换处理得到匹配滤波的时域结果c(t):
4.根据权利要求3所述的利用信道稀疏特性的水声信号检测方法,其特征在于,所述步骤1-2具体包括:
根据以下公式得到归一化的匹配滤波结果cMF[p]:
其中,c[p]表示c(t)的离散采样值;p表示采样离散序列;E()表示信号的能量;abs()表示取绝对值。
5.根据权利要求1所述的利用信道稀疏特性的水声信号检测方法,其特征在于,所述步骤3具体包括:
步骤3-1:选择滑动窗口长度;
步骤3-2:进行滑动窗口内信号的累加;
步骤3-3:确定低门限的值;
步骤3-4:对滑动窗口内信号进行迭代计算,并在迭代过程中进行簇识别;
步骤3-5:所有的滑动窗口迭代结束后,将所有检测到的簇内似然值进行累加;将累加结果与设定阈值进行比较,大于设定阈值则视为检测到信号,小于阈值则视为未检测到信号。
6.根据权利要求5所述的利用信道稀疏特性的水声信号检测方法,其特征在于,所述步骤3-1具体包括:
目标多途信道的最大可能时延差Δτ为:
其中,rmax表示声纳探测范围内的最大传播距离;表示一个简正波群速度的最大值;表示一个简正波群速度的最小值;
用该时延差下信号的长度作为滑动窗口长度。
7.根据权利要求5所述的利用信道稀疏特性的水声信号检测方法,其特征在于,所述步骤3-2具体包括:
进行滑动窗口内信号的累加,累加的过程由以下公式得到:
其中,和/>分别表示累加和判决过程的两个门限,高门限/>用来限制累加和的最大值,低门限/>则用于簇起始和终止位置的识别;累加结果T[n]的初始值T[0]为0,在每个时间窗进行累加时重新置为0。
8.根据权利要求7所述的利用信道稀疏特性的水声信号检测方法,其特征在于,所述步骤3-3具体包括:
低门限的获取方式具体包括:
首先对本地信号x(t)做傅里叶变换,将本地信号转换到频域信号X(jω):
其中,ω为信号频率,j为复数符号;
再对噪声信号xnoise(t)做傅里叶变换得到频域信号Xnoise(jω):
在频域进行匹配滤波处理得到频域的滤波结果Cnoise(jω):
Cnoise(jω)=Xnoise(jω)·X*(jω)
其中,*为信号的共轭;对结果进行反傅里叶变换处理得到匹配滤波的时域结果cnoise(t):
得到减去虚警抑制量的结果:
L(cnoise[p])=cnoise[p]-b
其中,L(cnoise[p])表示匹配滤波结果进行虚警抑制后得到的结果;cnoise[p]表示cnoise(t)的离散采样值;b表示虚警抑制量;
进行滑动窗口内信号的累加获得相应的累加结果,记录本次测试中最大值;由多次蒙特卡洛仿真获得多次测试结果,从大到小排列获得一个序列,再由虚警率乘以蒙特卡洛仿真的次数,获得序列中该虚警率确定的低门限的相应位置,相应位置对应的值就是该虚警率确定的低门限的值。
9.根据权利要求7所述的利用信道稀疏特性的水声信号检测方法,其特征在于,所述步骤3-4具体包括:
迭代过程中进行簇识别,识别关系为:
条件A:且/>
条件B:且/>
其中,c表示簇索引,c∈[1,Nc];Nc表示簇个数;
在T[n]满足条件A时,记录簇的起始位置继续迭代;在T[n]满足条件B时,记录簇结束位置/>更新簇的索引,继续迭代。
10.根据权利要求9所述的利用信道稀疏特性的水声信号检测方法,其特征在于,所述步骤3-5具体包括:
对所有的滑动窗口迭代结束后,输出各簇的起始和终止位置参数
将所有检测到的簇内似然值进行累加,获得总检验统计量Γth,累加公式为:
将得到的Γth与设定阈值进行比较,大于设定阈值/>则视为检测到信号,小于设定阈值/>则视为未检测到信号。
11.一种利用信道稀疏特性的水声信号检测系统,基于权利要求1-10任一所述方法实现,其特征在于,所述系统包括:
构建匹配滤波结果模块,用于构建用于信号检测的匹配滤波结果;
虚警抑制模块,用于对匹配滤波结果进行虚警抑制;和
信号检测模块,用于利用虚警抑制模块得到的结果进行簇检测,对信号进行滑动窗口累加,识别出信号中的簇结构,并进行信号检测;
所述虚警抑制的具体过程包括:
利用构建匹配滤波结果模块得到的归一化匹配滤波器的结果,减去虚警抑制量:
L(cMF[p])=cMF[p]-b
其中,L(cMF[p])表示匹配滤波结果进行虚警抑制后得到的结果;b表示虚警抑制量;使用虚警抑制量b对归一化的结果进行偏移;
选取b的方式采用遗忘因子算法,公式如下:
b=(1-λ)b+λa
其中,λ表示遗忘因子;a表示新息数据,由噪声与本地信号的匹配滤波结果确定;
确定a的方式具体包括:
实时选取长度为M的匹配滤波器输出数据V1,V2,V3,...,VM作为辅助数据,其中M的范围为1s至2s信号的长度,将数据按照幅值进行降序可以得到:V(1),V(2),V(3),...,V(M),将降序后序号为M*β的数据作为新息数据a;其中β为噪声抑制率,根据虚警限制在10%~20%间选取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310872886.8A CN117081894B (zh) | 2023-07-17 | 2023-07-17 | 一种利用信道稀疏特性的水声信号检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310872886.8A CN117081894B (zh) | 2023-07-17 | 2023-07-17 | 一种利用信道稀疏特性的水声信号检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117081894A CN117081894A (zh) | 2023-11-17 |
CN117081894B true CN117081894B (zh) | 2024-05-24 |
Family
ID=88710494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310872886.8A Active CN117081894B (zh) | 2023-07-17 | 2023-07-17 | 一种利用信道稀疏特性的水声信号检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117081894B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107505596A (zh) * | 2017-07-24 | 2017-12-22 | 浙江大学 | 基于双扩展水声信道环境下的mimo主动探测信号设计与检测系统和方法 |
CN110677318A (zh) * | 2019-09-18 | 2020-01-10 | 哈尔滨工程大学 | 一种基于线性调频z变换的水声信道时延估计方法 |
CN111147407A (zh) * | 2019-12-31 | 2020-05-12 | 哈尔滨哈船海洋信息技术有限公司 | 基于信道预测的tmsbl水声ofdm时变信道估计方法 |
CN111711584A (zh) * | 2020-05-22 | 2020-09-25 | 西北工业大学 | 基于成比例归一化最小均方误差的稀疏水声信道估计方法 |
CN113300988A (zh) * | 2021-05-25 | 2021-08-24 | 哈尔滨工程大学 | 低频水声通信的模态间干扰抑制方法 |
CN115600120A (zh) * | 2022-10-09 | 2023-01-13 | 中国科学院声学研究所(Cn) | 基于期望最大化聚类的水下集群目标检测方法及系统 |
CN116319193A (zh) * | 2023-03-22 | 2023-06-23 | 西安电子科技大学 | 一种基于子块传输的gce-bem迭代信道估计方法、系统、设备及介质 |
CN116346549A (zh) * | 2023-03-08 | 2023-06-27 | 中国科学院声学研究所 | 采用卷积神经网络信道簇检测的水声信道稀疏估计方法 |
-
2023
- 2023-07-17 CN CN202310872886.8A patent/CN117081894B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107505596A (zh) * | 2017-07-24 | 2017-12-22 | 浙江大学 | 基于双扩展水声信道环境下的mimo主动探测信号设计与检测系统和方法 |
CN110677318A (zh) * | 2019-09-18 | 2020-01-10 | 哈尔滨工程大学 | 一种基于线性调频z变换的水声信道时延估计方法 |
CN111147407A (zh) * | 2019-12-31 | 2020-05-12 | 哈尔滨哈船海洋信息技术有限公司 | 基于信道预测的tmsbl水声ofdm时变信道估计方法 |
CN111711584A (zh) * | 2020-05-22 | 2020-09-25 | 西北工业大学 | 基于成比例归一化最小均方误差的稀疏水声信道估计方法 |
CN113300988A (zh) * | 2021-05-25 | 2021-08-24 | 哈尔滨工程大学 | 低频水声通信的模态间干扰抑制方法 |
CN115600120A (zh) * | 2022-10-09 | 2023-01-13 | 中国科学院声学研究所(Cn) | 基于期望最大化聚类的水下集群目标检测方法及系统 |
CN116346549A (zh) * | 2023-03-08 | 2023-06-27 | 中国科学院声学研究所 | 采用卷积神经网络信道簇检测的水声信道稀疏估计方法 |
CN116319193A (zh) * | 2023-03-22 | 2023-06-23 | 西安电子科技大学 | 一种基于子块传输的gce-bem迭代信道估计方法、系统、设备及介质 |
Non-Patent Citations (2)
Title |
---|
《深海远程正交频分复用水声通信簇约束的分布式压缩感知信道估计》;王悦悦; 王海斌; 台玉朋; 汪俊; 王光旭;《应用声学》;第第42卷卷(第第3期期);第454-466页 * |
基于信任机制的水下传感器网络节点安全定位算法;张尧;金志刚;罗咏梅;杜秀娟;;计算机应用;20130501(05);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117081894A (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Conte et al. | Recursive estimation of the covariance matrix of a compound-Gaussian process and its application to adaptive CFAR detection | |
CN102230961B (zh) | 基于相位补偿处理的扩展目标检测方法 | |
CN110865357A (zh) | 一种基于参数优化vmd的激光雷达回波信号降噪方法 | |
IL199302A (en) | Method for processing multi-path radar of frequency modulation (FM) signal | |
CN106936514B (zh) | 稀疏信道下基于能量集中的水声前导信号检测方法 | |
WO2019179084A1 (zh) | 一种基于噪声消除的到达时间估计方法 | |
CN108768543A (zh) | 多特征融合认知型水声通信空快时自适应处理算法 | |
CN106972895B (zh) | 稀疏信道下基于累积相关系数的水声前导信号检测方法 | |
CN109104215B (zh) | 一种基于小波变换的跳频信号码元速率盲估计方法 | |
CN111323794A (zh) | 一种基于周期重采样的周期调频干扰消除方法 | |
CN117081894B (zh) | 一种利用信道稀疏特性的水声信号检测方法及系统 | |
CN111007487A (zh) | 一种基于时间反演的多基地雷达目标检测方法 | |
Liu et al. | Hopping instants detection and frequency tracking of frequency hopping signals with single or multiple channels | |
CN112968850A (zh) | 微弱bpsk信号载波捕获方法 | |
Oliinyk et al. | Time delay estimation for noise-like signals embedded in non-Gaussian noise using pre-filtering in channels | |
CN110401611B (zh) | 快速检测cpfsk信号的方法 | |
CN111090088B (zh) | 基于主动声纳阵列斜对称特性的泄露目标空时检测方法 | |
CN111413702A (zh) | 用于宽带探鱼仪的高效目标分割方法 | |
CN110299926A (zh) | 一种面向低信噪比环境的水声信号检测方法 | |
CN108459316B (zh) | 一种多途信道下的回波信号参数估计方法 | |
Bang et al. | Improved TOA and pulse width estimation for wideband signal in electronic warfare systems | |
CN105959035B (zh) | 一种直扩信号截获检测方法 | |
CN116599606B (zh) | 基于信道化加权互相关处理的扩谱信号接收方法及系统 | |
CN115656998B (zh) | 一种低样本数下阵列信号自适应检测方法与系统 | |
Shen et al. | A novel frequency domain narrowband interference suppression algorithm based on noncoherent accumulation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |